BAB 1

PENDAHULUAN

A. Latar Belakang
Dalam sebuah penelitian, terutama penelitian kuantitatif, kita dapat melakukan analisis
data dengan bantuan statistik. Secara umum semua statistik parameterik berfungsi untuk
mengeneralisasi hasil penelitian, yaitu pemberlakuan hasil penelitian dalam populasi dengan
menggunakan data sampel yang harus memenuhi asumsi-asumsi meliputi :1) Data sampel
diambil secara acak dari populasi. 2) Data terdistribusi normal. Sedangkan asumsi-asumsi
lainnya menyesuaikan dengan teknik analisis data yang digunakan.

Untuk analisis perbedaan, baik itu uji t, anova one way, anova two way, dan ancova maka
asumsi-asumsi yang harus dipenuhi meliputi :

1. Data dari kedua kelompok sampel diambil secara acak dari populasi.
2. Data yang dianlisisi bersifat independen satu sama lain.
3. Data dari kedua kelompok sampel terdistribusi normal.
4. Varians dari populasi adalah homogen.
Untuk analisis korelasi sederhana, regresi sederhana, korelasi ganda, dan regresi ganda,
asumsi-asumsi yang harus dipenuhi meliputi :

1. Data sampel diambi secara acak dari populasi.

2. Data yang dihubungkan mempunyai pasangan yang sama, dalam arti berasal dari
responden yang sama.
3. Data berada dalam distribusi normal, sehingga perlu dilakukan uji normalitas
data.
4. Hubungan antara peubah-peubah dalam model adalah linear, sehingga perlu
dilakukan pengujian lineraitas persamaaan regresi.
5. Multikolinearitas, yaitu hubungan linear antara variabel independen, asumsi ini
hanya berlaku untuk korelasi dan regresi ganda.
6. Heteroskedastisitas, yaitu tidak konstannya varians
Dalam makalah ini akan diuraikan uji linearitas dan uji multikolinearitas.

B. Tujuan
Mengetahui konsep, contoh kasus dan penyelesaian uji linearitas dan uni
multikolinearitas.

BAB II
PEMBAHASAN
A. Uji Linearitas
 1. Pengertian
Uji linieritas adalah suatu prosedur yang digunakan untuk mengetahui status linier
tidaknya suatu distribusi data penelitian. Uji linieritas dilakukan untuk membuktikan bahwa
masing-masing variabel bebas mempunyai hubungan yang linier dengan variabel terikat.
Hasil yang diperoleh melalui uji linieritas akan menentukan teknik-teknik analisis data yang
dipilih, dapat digunakan atau tidak. Apabila dari hasil uji linieritas didapatkan kesimpulan
bahwa distribusi data penelitian dikategorikan linier maka data penelitian dapat digunakan
dengan metode-metode yang ditentukan. Demikian juga sebaliknya apabila ternyata tidak
linier maka distribusi data harus dianalisis dengan metode lain.
2. Langkah uji Linearitas
Langkah yang harus dilakukan untuk melakukan uji linieritas adalah membuat
pengelompokan skor prediktor yang nilainya sama menjadi satu kelompok data dengan tetap
memperhatikan pasangan data pada masing-masing kriteria. Adapun dasar pengambilan
keputusan uji linieritas melalui SPSS dan perhitungan yaitu dengan melihat nilai signifikansi
(Sig.) dan Fhitungpada hasil ujilinieritas.
Jika signifikansi yang diperoleh > dan Fhitung< Ftabel, maka terdapat hubungan yang
signifikan antara variabel bebas dan variabel terikat.
Jika signifikansi yang diperoleh < dan F hitung> Ftabel, maka tidak terdapat hubungan yang
signifikan antara variabel bebas dan variabel terikat.
keterangan: merupakan taraf signifikansi, misalnya = 0,05.
Langkah Uji Linearitas dengan Excell (secara lengkap di excell)
1. Menentukan harga koefisien a dan b
2. Menentukan persamaan regresi sederhana
3. Menghitung jumlah kuadrat total, jumlah kuadrat regresi a, jumlah kuadrat regresi b,
jumlah kuadrat sisa, jumlah kuadrat galat, dan jumlah kuadrat tuna cocok.
4. Menghitung variansi regresi, variansi residu, variansi tuna cocok, variansi kekeliruan.
5. Menguji kelinearan persamaan regresi dengan uji F
6. Mengambil kesimpulan

3. Contoh Penerapan analisis

Misalnya terdapat suatu data yang berasal dari 61 sampel penelitian untuk diuji apakah
terdapat hubungan yang signifikan antarvariabel yang akan diuji.

Masalah : Apakah terdapat hubungan yang linear anatara nilai pretes siswa terhadap nilai
postes siswa?

Hipotesis :

Ho : terdapat hubungan yang linear anatara nilai pretes siswa terhadap nilai postes siswa

Hi : tidak terdapat hubungan yang linear anatara nilai pretes siswa terhadap nilai postes siswa

Data :
Tabel 1. Data Pre tes dan Post Tes Prestasi Belajar pada Kelas Eksperimen dan Kelas Kontrol.
Perhitungan dengan excell
 Kesimpulan :
Dengan membandingkan F hitung dengan F tabel pada taraf signifikansi 5% dan db
pembilang = N - K = 61 - 7 = 54 serta db penyebut = K 2 = 7 - 2 = 5, maka didapatkan F
tabel (54, 5) = 4,44.Karena F hitung < F tabel (54, 5), yaitu 0,02< 4,44 pada taraf
signifikansi 0,05 maka dapat disimpulkan bahwa persamaan Regresi : Y = 6,09 + 0,33x
adalah Linier yang artinya nilai pretes dan postes kelas eskperimen dan kontrol memiliki
hubungan yang linear

Perhitungan dengan SPSS

Uji linieritas antara variabel bebas X (nilai pretes) dengan variabel terikat Y (nilai postes)
dengan memanfaatkan program SPSS dapat dilakukan melalui langkah-langkah sebagai
berikut.
1) Entry data.
Data dimasukkan pada lembar kerja SPSS dengan menggunakan nama variabel x dan
y.
2) Analisis data
Analisis dilakukan dengan mekanisme pemilihan menu sebagai berikut: analyze
compare means means.
 Sehingga menu SPSS akan tampak seperti gambar berikut.

Gambar 1. Menu SPSS untuk uji linieritas.

Selanjutnya akan tampak kotak dialog Uji Linieritas seperti gambar di bawah ini.

Gambar 2. Kotak dialog pada SPSS untuk uji linieritas.

Setelah muncul kotak dialog SPSS seperti pada Gambar 2, maka dapat dilakukan
proses seperti berikut:
- pindahkan y ke variabel dependen
- pindahkan x ke variabel independen
- pilih kotak options dan pilih Test of Linierity, seperti tampak pada gambar di bawah
ini.
- continue
- OK

Gambar 3. Kotak dialog pada tab options untuk uji linieritas.

 3) Interpretasi Hasil
Bila data yang telah diuji secara manual diuji lagi dengan SPSS, maka akan
tampakhasilnya seperti pada bagan berikut ini (tidak semua hasil ditampilkan).
Tabel 2. Hasil uji linieritas dengan menggunakan SPSS (tidak semua hasil ditampilkan).

Hasil analisis uji linieritas dengan menggunakan SPSS menghasilkan harga F sebesar
0,518 dengan signifikansi 0,762. Interpretasi hasil analisis uji linieritas dilakukan
dengan:
- menyusun hipotesis, misalnya
H0: Model regresi linier
H1: Model regresi tidak linier
- menetapkan taraf signifikansi (misalnya, = 0,05)
- membandingkan signifikansi yang diperoleh dari hasil analisis (Sig.) dengan
signifikansi yang ditetapkan ()
Bila (Sig.) > dan Fhitung< Ftabel, maka H0 diterima, berarti regresi linier
Bila (Sig.) < dan Fhitung> Ftabel, maka H1 diterima, berarti regresi tidak linier

Kesimpulan :
Ternyata hasil analisis menunjukkan bahwa Sig. 0,762> (0,05), dengan demikian
hasil uji linieritas dengan menggunakan SPSS menunjukkan model regresi linier
dimana nilai pretes memiliki hubungan yang linear dengan nilai postes siswa.

B. Uji Multikoliniaritas

1. Pengertian
Uji multikoliniaritas adalah uji asumsi klasik untuk melihat apakah ada atau tidak
hubungan antarvariabel independen dalam suatu model regresi berganda. Karena apabila
hubungan antarvariabel independen itu tinggi, maka bisa jadi pengaruh salah satu variabel
independen tersebut mempunyai pngaruh yang lebih besar terhadap variabel independen
yang satunya daripada variabel dependen yang digunakan dalam model regresi tersebut. Uji
Multikolinearitas digunakan untuk mengetahui apakah terjadi korelasi yang kuat di antara
variabel-variabel independen yang diikutsertakan dalam pembentukan model. Model regresi
yang baik seharusnya tidak terjadi korelasi diantara variabel bebas (tidak terjadi
multikolinearitas). Jika variabel-variabel ini saling berkorelasi, maka variabel-variabel ini
tidak ortogonal.

Ada dua cara pengambilan keputusan dalam uji multikolinearitas, yaitu:

a. Melihat nilai Tolerance.
 1) Tidak terjadi multikolinearitas, jika nilai Tolerance lebih besar dari
0,10.
2) Terjadi multikolinearitas, jika nilai Tolerance lebih kecil atau sama
dengan 0,10.
b. Melihat nilai VIF (Variance Inflation Factor).
1) Tidak terjadi multikolinearitas, jika nilai VIF lebih kecil dari 10,00.
2) Terjadi multikolinearitas, jika nilai VIF lebih besar atau sama dengan
10,00.
2. Faktor-faktor Penyebab
a. Menggunakan data time series, karena terdapat kemungkinan regresor-regresor yang
diikutsertakan memiliki kelembaman (trend) yang serupa, yaitu mereka yang sama-
sama meningkat atau menurun seiring berjalannya waktu.
b. Metode yang kurang tepat dalam pengumpulan data yang digunakan.
c. Sampel penelitian terlalu sedikit atau kecil.
d. Terdapat batasan yang ada pada model atau populasi yang diambil sampelnya.
e. Kesalahan spesifikasi model. Misalnya, menambahkan istilah polinomial pada model
regresi, khususnya ketika jangkauan variabel X kecil.
f. Model yang overdetermined. Dimana, variabel penjelas lebih banyak daripada jumlah
observasi.
Jika diantara dua atau lebih variabel bebas terdapat multikolinieritas, maka varian dari
koefisien regresi membesar yang mengakibatkan (Setiawan dan Dwi, 2010) :
a. Standard error (galat baku) dari koefisien regresi membesar.
b. Pengujian parameter regresi dengan statistik uji t menjadi tidak valid.
c. Selang kepercayaan (perkiraan selang) untuk parameter regresi cenderung melebar.
Dengan melebarnya selang kepercayaan, hasil perkiraan yang diperoleh menjadi tidak
dapat dipercaya.
d. Terjadinya kontradiksi antara hasil pengujian hipotesis regresi secara serentak melalui
statistik uji F dengan hasil pengujian parameter regresi secara individu melalui
statistik uji t.
e. Probabilitas kesalahan meningkat
Multikolinearitas bukanlah merupakan suatu permasalahan mengenai keberadaannya
melainkan masalah derajat besar atau kecilnya sehingga yang diuji dalam suatu model regresi
bukan mengenai ada atau tidaknya multikolinearitas melainkan seberapa besar tingkat
kolinearitas antara variabel independen tersebut. Beberapa metode yang digunakan untuk
mendeteksi adanya gangguan multikolinearitas yang tinggi antara lain (Gujarati, 2004):
a. Nilai R2 yang tinggi namun sedikit variabel yang signifikan.
b. Koefisien korelasi yang tinggi antara regresor (korelasi > 0,8).
c. Auxiliary regression.
d. Mengukur nilai Variance Inflation Factor (VIF), dikatakan ada gangguan
multikolinearitas apabila VIF > 10.
e. Menggunakan nilai Eigenvalues, yaitu rasio antara max eigenvalue dengan min
eigenvalue. Jika nilainya diantara 100-1000 maka masalah multikolinearitas sedang,
namun jika nilainya melebihi 1000 maka ada masalah multikolinearitas serius.
Menurut Montgomery dan Peck (2006) adanya multikolinieritas dalam analisis regresi
linier berganda disebabkan oleh berbagai hal antara lain metode pengumpulan data
yang digunakan, kendala model pada populasi yang diamati, spesifikasi model, dan
 penentuan jumlah variabel bebas yang lebih banyak dari jumlah observasi. Oleh
karena itu, dalam suatu penelitian harus benar-benar diperhatikan metode, model,
spesifikasi model dan jumlah variabel bebas yang digunakan
3. Solusi dam mengatasi masalah multikoliniaritas
a. Menambah jumlah data dalam observasi (n) dengan tujuan memperkecil standar error.
Namun penambahan data baru seringkali hanya memberi efek penanggulangan yang
kecil yang kecil pada masalah multikolinearitas
b. Menghilangkan salah satu variabel independen-nya.
c. Transformasi data.
d. Menggabungkan data cross section dan time series (pooling data).
e. Gunakan model dengan variabel independen yang mempunyai korelasi tinggi hanya
semata-mata untuk prediksi (jangan mencoba untuk mengintrepesentasikan koefisien
regresinya).
f. Gunakan metode analisis yang lebih canggih seperti Bayesian regression dalam kasus
khusus untuk ridge regression.
Dalam suatu kasus, untuk mengetahui apakah suatu model regresi memiliki masalah
multikolinearitas yang serius atau tidak dapat dilakukan uji multikolinearitas menggunakan
program eviews, dimana dengan program ini akan diketahui tabel anova yang kemudian
dapat dianalisis melalui nilai koefisien korelasi antara variabel-variabel independennya.

BAB III
PENUTUP

A. Kesimpulan
Uji linieritas adalah suatu prosedur yang digunakan untuk mengetahui status linier
tidaknya suatu distribusi data penelitian. Uji linieritas dilakukan untuk membuktikan
bahwa masing-masing variabel bebas mempunyai hubungan yang linier dengan variabel
 terikat. Hasil yang diperoleh melalui uji linieritas akan menentukan teknik-teknik analisis
data yang dipilih, dapat digunakan atau tidak.
Uji multikoliniaritas adalah uji asumsi klasik untuk melihat apakah ada atau tidak
hubungan antarvariabel independen dalam suatu model regresi berganda. Ada 2 cara
dalam pengambilan keputusan dalam uji multikolinearitas yaitu melihat nilai tolerance
dan melihat nilai VIF.

DAFTAR PUSTAKA

http://www.portal-statistik.com/2014/05/uji-asumsi-multikolinearitas-dengan-spss.html

http://dokumen.tips/documents/makalah-uji-uji-linearitas-homogenitas-dan-normalitas.html

https://www.scribd.com/doc/311203343/Makalah-multikolinearitas

https://www.academia.edu/7032592/Uji_Hipotesis_Regresi_Linieritas